論文の概要: A Survey on Mapping Digital Systems with Bill of Materials: Development, Practices, and Challenges
- arxiv url: http://arxiv.org/abs/2601.11678v1
- Date: Fri, 16 Jan 2026 07:49:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-28 13:28:42.535288
- Title: A Survey on Mapping Digital Systems with Bill of Materials: Development, Practices, and Challenges
- Title（参考訳）: 材料請求書によるデジタルシステムのマッピングに関する調査--開発・実践・課題
- Abstract要約: デジタルエコシステムは複雑化を続けています。
依存関係を理解して管理することは、組織にとって難しいことです。
BOMは依存関係を文書化する構造化された方法として登場した。
- 参考スコア（独自算出の注目度）: 6.175921811898237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern digital ecosystems, spanning software, hardware, learning models, datasets, and cryptographic products, continue to grow in complexity, making it difficult for organizations to understand and manage component dependencies. Bills of Materials (BOMs) have emerged as a structured way to document product components, their interrelationships, and key metadata, improving visibility and security across digital supply chains. This survey provides the first comprehensive cross-domain review of BOM developments and practices. We start by examining the evolution of BOM frameworks in three stages (i.e., pre-development, initial, and accelerated) and summarizing their core principles, key stakeholders, and standardization efforts for hardware, software, artificial intelligence (AI) models, datasets, and cryptographic assets. We then review industry practices for generating BOM data, evaluating its quality, and securely sharing it. Next, we review practical downstream uses of BOM data, including dependency modeling, compliance verification, operational risk assessment, and vulnerability tracking. We also discuss academic efforts to address limitations in current BOM frameworks through refinements, extensions, or new models tailored to emerging domains such as data ecosystems and AI supply chains. Finally, we identify four key gaps that limit the usability and reliability of today's BOM frameworks, motivating future research directions.
- Abstract（参考訳）: ソフトウェア、ハードウェア、学習モデル、データセット、暗号化製品にまたがる現代のデジタルエコシステムは、複雑さを増し続けており、組織がコンポーネントの依存関係を理解し管理することが難しくなっている。
ビルズ・オブ・マテリアル(BOM)は、製品コンポーネント、それらの相互関係、および重要なメタデータを文書化するための構造化された方法として出現し、デジタルサプライチェーン間の可視性とセキュリティを改善している。
この調査はBOM開発とプラクティスに関する最初の包括的なクロスドメインレビューを提供する。
まず、BOMフレームワークの3段階(前開発、初期化、加速)の進化を調べ、ハードウェア、ソフトウェア、人工知能(AI)モデル、データセット、暗号資産のコア原則、主要なステークホルダー、標準化の取り組みを要約することから始めます。
次に、BOMデータの生成、品質の評価、安全な共有に関する業界慣行をレビューします。
次に、依存性モデリング、コンプライアンス検証、運用リスク評価、脆弱性追跡など、BOMデータの実用的なダウンストリーム利用についてレビューする。
また、データエコシステムやAIサプライチェーンといった新興ドメインに適した、洗練、拡張、あるいは新しいモデルを通じて、現在のBOMフレームワークの制限に対処する学術的な取り組みについても議論する。
最後に、現在のBOMフレームワークのユーザビリティと信頼性を制限し、将来の研究方向性を動機付ける4つの重要なギャップを特定します。
関連論文リスト
- Measuring the Security of the Evolving Software Supply Chain: a Research Agenda [0.0]
本稿では,現在の研究状況を整理し,鍵ギャップを同定するための構造化された研究計画を提案する。
我々は、生態系間の依存関係構造を一貫して表現し分析できる統一的な計測視点を論じる。
論文 参考訳（メタデータ） (2026-09-08T14:37:06Z) - A Survey on the Green Development of Large Models: From Resource-Efficient Architectures to Hardware-Software Co-Design [71.32556809242666]
大規模AIモデルの急速な拡張は、さまざまな領域で大幅なパフォーマンスのブレークスルーをもたらした。
また、計算コスト、エネルギー消費、環境の持続可能性に関する重要な懸念を提起している。
この調査は、大規模モデルの持続的、スケーラブルで、社会的に責任のある開発に向けて、全体的なロードマップを提供することを目的としている。
論文 参考訳（メタデータ） (2026-07-10T04:02:22Z) - Vision-Language-Action in Robotics: A Survey of Datasets, Benchmarks, and Data Engines [14.989533826340486]
我々は、データセット、ベンチマーク、データエンジンの3つの柱を中心に構成されたVLA研究の体系的、データ中心の分析を行う。
データセットでは,実世界のコーパスと合成コーパスを,エンボディメントの多様性,モダリティの構成,行動空間の定式化とともに分類する。
ベンチマークでは,タスクの複雑性と環境構造を共同で解析し,構成一般化における構造的ギャップを明らかにする。
データエンジンでは,シミュレーションベース,ビデオ再構成,タスク生成の自動パラダイムについて検討する。
論文 参考訳（メタデータ） (2026-04-24T20:41:59Z) - Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - Intelligent Knowledge Mining Framework: Bridging AI Analysis and Trustworthy Preservation [0.4742825811314167]
本稿では,AI駆動分析と信頼性のある長期保存のギャップを埋めるための概念モデルであるIntelligent Knowledge Mining Framework(IKMF)を紹介する。
このフレームワークはデュアルストリームアーキテクチャを提案している。水平マイニングプロセスは、生データをセマンティックにリッチで機械操作可能な知識に変換し、それらの資産の整合性、証明性、計算を保証するために、並列のTrustworthy Archiving Streamを提供する。
論文 参考訳（メタデータ） (2025-12-19T17:01:03Z) - TAIBOM: Bringing Trustworthiness to AI-Enabled Systems [0.23332469289621785]
透明性とトレーサビリティを高めるために、SBOM(Software Bills of Materials)が重要になっている。
現在のフレームワークは、AIシステムのユニークな特徴を捉えていない。
我々は、SBOMの原則をAIドメインに拡張する新しいフレームワークであるTAIBOM(Trusted AI Bill of Materials)を紹介する。
論文 参考訳（メタデータ） (2025-10-02T16:17:07Z) - OpenConstruction: A Systematic Synthesis of Open Visual Datasets for Data-Centric Artificial Intelligence in Construction Monitoring [4.795391174842949]
建設業界は、サイト監視のための人工知能(AI)と機械学習(ML)アプリケーションをサポートするために、視覚データにますます依存している。
ビジュアルデータセットへの関心が高まりつつあるにもかかわらず、既存のリソースは、実世界の建設条件のサイズ、品質、代表性に大きく変化している。
本研究では,これらの知見をオープンソースカタログであるOpenConstructionに合成し,データ駆動型手法開発を支援する。
論文 参考訳（メタデータ） (2025-08-15T13:56:21Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - Rethinking Machine Unlearning in Image Generation Models [59.697750585491264]
CatIGMUは、新しい階層的なタスク分類フレームワークである。
EvalIGMUは包括的な評価フレームワークである。
高品質な未学習データセットであるDataIGMを構築した。
論文 参考訳（メタデータ） (2025-06-03T11:25:14Z) - Blockchain-Enabled Accountability in Data Supply Chain: A Data Bill of Materials Approach [16.31469678670097]
データ請求書(Data Bill of Materials, DataBOM)は、特定のメタデータを格納することで、異なるデータセットと利害関係者間の依存関係関係をキャプチャする。
ブロックチェーンベースのDataBOMサービスを提供するためのプラットフォームアーキテクチャを実証し、利害関係者のためのインタラクションプロトコルを提示し、DataBOMメタデータの最小要件について議論する。
論文 参考訳（メタデータ） (2024-08-16T05:34:50Z) - The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。
責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
論文 参考訳（メタデータ） (2024-06-24T15:55:49Z) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Continual Multimodal Knowledge Graph Construction [62.77243705682985]
現在のマルチモーダル知識グラフ構築(MKGC)モデルは、絶え間なく出現する実体と関係の現実的なダイナミズムに苦慮している。
本研究では,連続的なMKGCドメインの開発を促進するためのベンチマークを紹介する。
マルチメディアデータ処理における既存のMKGCアプローチの欠点を克服するMSPTフレームワークを導入する。
論文 参考訳（メタデータ） (2023-05-15T14:58:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。